基于METRICS与RQS评分系统的软骨肉瘤影像组学研究质量评估及临床转化启示

本研究针对软骨肉瘤影像组学研究质量参差不齐阻碍临床转化的现状，通过METRICS和RQS两种评分工具系统评估18项相关研究。结果显示METRICS(37.3-94.8%)较RQS(2.8-44.4%)更适配回顾性研究设计，揭示了当前研究在深度学习、外部验证和开放科学等方面的不足，为优化影像组学在罕见骨肿瘤研究中的方法学框架提供重要依据。

　　

软骨肉瘤作为成人最常见的原发性恶性骨肿瘤，其发病率在过去三十年显著上升，尤其是不典型软骨性肿瘤（ACT）。然而，这类肿瘤的准确诊断和分级面临巨大挑战——无论是影像学检查还是病理评估都存在较高的观察者间差异。更棘手的是，随着MRI检查的普及，偶然发现的软骨病变数量激增，但现有手段难以可靠区分良性软骨瘤与低度恶性软骨肉瘤。这种诊断困境直接影响了临床决策：从保守观察到广泛切除，治疗策略的差异可能导致过度治疗或治疗不足。

在此背景下，影像组学（Radiomics）技术应运而生。这项通过提取医学图像中定量特征并结合机器学习进行分析的新方法，为软骨肉瘤的无创诊断和预后预测带来了希望。然而令人遗憾的是，尽管相关研究数量呈指数增长，真正能转化为临床应用的成果却寥寥无几。究其原因，研究质量参差不齐被认为是阻碍临床转化的主要瓶颈。

为解决这一问题，来自意大利米兰大学、萨勒诺大学等机构的研究团队在《Insights into Imaging》发表了一项开创性研究。研究人员系统检索了截至2024年7月的EMBASE和PubMed数据库，最终纳入18项软骨肉瘤影像组学研究。采用欧洲医学影像信息学会最新发布的METhodological RadiomICs Score（METRICS）和经典的Radiomics Quality Score（RQS）两种评分工具，由三位经验丰富的肌肉骨骼放射学家独立评估这些研究的方法学质量。通过组内相关系数（ICC）检验评分者间一致性，并采用双单侧检验（TOST）比较两种评分体系的差异。

研究主要采用了系统性文献回顾和双盲质量评估的方法。在数据处理阶段，使用METRICS Tool v1.0网络应用程序生成标准化评分表，同时建立RQS评分手册。统计分析采用SPSS 29.0和R 4.3.2软件，通过ICC评估评分者间可靠性（>0.90为极佳），并计算各项指标的符合率。

研究结果显示：

1. 纳入研究特征：50%的研究发表于近两年，全部为回顾性设计。72%使用MRI，22%使用CT，主要研究目标为病灶分类（83%）和预后预测（11%）。中位样本量为103例，无前瞻性研究或公共数据使用。

2. 质量评分结果：METRICS符合率（37.3-94.8%）显著高于RQS（2.8-44.4%），两者评分者间一致性极佳（ICC分别为0.961和0.975）。TOST分析证实两种评分体系不可互相替代。

3. 现存问题：

• 方法学局限：缺乏全自动分割流程（0%）、深度学习分析（0%）与传统统计方法对比（0%）
• 验证不足：仅27.8%研究包含外部测试集
• 开放科学：数据（5.6%）、代码（16.7%）和模型（44.4%）公开率低

1. RQS特定缺陷：全部研究缺失前瞻性设计、体模研究和多时间点成像，成本效益分析（0%）和临床效用评估（11.1%）严重不足。

讨论与结论指出，METRICS因其条件式评分结构和均衡的条目权重，更适用于评估软骨肉瘤等罕见肿瘤的回顾性研究。该评分体系能准确识别当前影像组学流程中的关键短板，包括：
1）自动化程度不足导致的重复性挑战
2）深度学习应用缺失限制了特征提取维度
3）外部验证缺乏影响模型泛化能力

这项研究的重要意义在于：首次为软骨肉瘤影像组学研究建立了质量评估基准，证实METRICS是优于RQS的评价工具。研究者建议未来工作应聚焦：开发自动化分割算法、整合深度学习架构、加强多中心验证协作，并通过开放科学促进方法透明化。这些改进将加速影像组学在骨肿瘤临床决策中的实际应用，帮助医生应对日益增多的偶发软骨病变诊断难题。

值得注意的是，研究也存在一定局限：样本量受限于该领域的年轻性，且多数纳入研究发表于METRICS指南出台前。随着这一新标准的推广，未来研究质量有望持续提升。该成果不仅为软骨肉瘤，也为其他罕见肿瘤的影像组学研究提供了方法学优化框架，展现出推动精准医疗发展的潜在价值。